导入三个csv的三列数据，拼成一列数据后统计95%置信区间

可以使用Python中的pandas和numpy库来进行数据处理和统计。具体步骤如下：

1. 导入pandas和numpy库

import pandas as pd
import numpy as np

2. 读取三个csv文件中的数据

假设三个csv文件分别为`file1.csv`、`file2.csv`、`file3.csv`，其中每个文件中都有一列名为`data`的数据。可以使用pandas库的`read_csv`函数来读取数据。

df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')
df3 = pd.read_csv('file3.csv')

3. 将三个数据集拼接成一个数据集

可以使用pandas库的`concat`函数将三个数据集拼接成一个数据集。这里假设三个数据集中的数据都是列向排列的。

df = pd.concat([df1['data'], df2['data'], df3['data']], axis=0)

4. 计算95%置信区间

可以使用numpy库的`percentile`函数来计算95%置信区间。该函数的第一个参数是数据，第二个参数是置信区间，这里设置为95。

lower, upper = np.percentile(df, [2.5, 97.5])
print('95%置信区间为', lower, '到', upper)

完整代码如下：

import pandas as pd
import numpy as np

# 读取数据
df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')
df3 = pd.read_csv('file3.csv')

# 拼接数据
df = pd.concat([df1['data'], df2['data'], df3['data']], axis=0)

# 计算95%置信区间
lower, upper = np.percentile(df, [2.5, 97.5])
print('95%置信区间为', lower, '到', upper)